Partizipative KI-Einführung im Produktdatenmanagement
Mitarbeitende als aktive Gestalter der KI-Transformation
Eine Fallstudie aus der BMW Group: ein vollständiger Action-Research-Zyklus, Top-down- und Bottom-up-Maßnahmen — und was Befragungs-, Nutzungs- und Beobachtungsdaten zeigen.
Nur ein Drittel erreicht einen nennenswerten Return on Investment — obwohl 73 % mindestens 1 Mio. $ pro Jahr investieren (Bouquet et al. 2026).
Auf KI zu verzichten ist trotzdem keine Option — die Frage ist nicht ob, sondern wie.
Unsere Fallstudie: das Produktdatenmanagement der BMW Group — ca. 350 Mitarbeitende, heterogene Aufgaben, zahlreiche IT-Systeme.
Produktdatenmanagement (PDM) = strukturierte Erfassung, Verwaltung und Bereitstellung aller Daten der Produktentwicklung, z. B. CAD-Modelle und Stücklisten. Ziel der Studie: eine von den Mitarbeitenden getragene KI-Einführung.
Herausforderungen · Warum Mitarbeitende (nicht) mitmachen — klicke eine Blockade
▸ Fünf Blockaden, die Partizipation verhindern — belegt aus der aktuellen Literatur. Klicke eine Kachel.
Mitarbeitende kennen und verstehen den strategischen Rahmen der Transformation — und vertrauen ihm.
B2
Kommunikation & Zusammenarbeit
Funktionierende Kommunikationskanäle und Zusammenarbeit über Hierarchieebenen hinweg.
B3
Anreize für Partizipation
Die Organisation setzt konkrete Anreize, damit Mitarbeitende sich aktiv beteiligen.
B4
Vermittlung von Wissen & Fähigkeiten
Qualifizierung und Wissensangebote befähigen zur Partizipation.
B5
Balance: Steuerung & Autonomie
Top-down-Rahmensetzung und Freiraum der Mitarbeitenden sind ausbalanciert.
Formuliert für digitale Transformation im Allgemeinen — ob sie für generative KI tragen, war bislang unerforscht.
Forschungsfragen & Methode
Action Research: Forschen durch Gestalten
F1: Lassen sich die fünf Bedingungen von Mehmood & Farshchian erfolgreich auf die KI-Einführung übertragen?
F2: Welche zusätzlichen Bedingungen und Gestaltungsmaßnahmen braucht es, damit generative KI mitgetragen, eigenständig und verantwortungsvoll genutzt und weiterentwickelt wird?
Design: vollständiger Action-Research-Zyklus nach Lewin (1946); die Autoren sind zugleich Gestalter und Beobachter.
Datenquellen: anonyme Wirksamkeitsanalyse (175 von ca. 350), automatisch protokollierte, anonymisierte Nutzungsdaten eines KI-Coding-Assistenten (Beobachtungsphase), Gespräche mit allen Abteilungs- und ausgewählten Gruppenleitern sowie mit Vibe-Coding-Anwendern.
Der Doppelrolle (Gestalter + Beobachter) begegnen anonyme Befragung, automatisch protokollierte, anonymisierte Nutzungsdaten sowie Reflexion durch die Autoren und den Führungskreis.
Strategie mit vier Elementen: Top-down + Bottom-up kombinieren · intensive Kommunikation & Partizipation · Kultur der Offenheit · gemeinsames Verständnis von Fehlerkultur („eine gescheiterte KI-Idee ist Lernen“).
Die Kaskade: Der Bereichsleiter lebt KI-Nutzung persönlich vor und setzt Leitplanken — Abteilungsleiter bauen eigene KI-Erfahrung auf und priorisieren Kapazitäten — Gruppenleiter schaffen den geschützten Raum zum Ausprobieren und räumen Bedenken aus.
Konkrete Instrumente: KI-Slot in jedem Mitarbeiter-Forum · „Prompt der Woche“ im Führungskreis (Mitarbeitende zeigen dem Management ihre KI-Lösungen) · Zielvereinbarung „5 KI-Use-Cases je Abteilung erproben“ — welche, entscheiden die Teams selbst · je Gruppe eine benannte KI-Ansprechperson.
Beobachtung aus der Fallstudie: Die Beteiligung war dort am höchsten, wo Abteilungsleiter selbst intensiv mit KI-Tools arbeiteten und regelmäßig darüber berichteten.
Transparenz: Trainings und individuelle KI-Nutzung sind freiwillig. „5 Use Cases je Abteilung“ ist ein organisatorisches Erkundungsziel — kein persönliches Leistungsziel; die KI-Ansprechpartner sind KI-erfahrene, hilfsbereite Kolleginnen und Kollegen.
Fallstudie · Maßnahme 2
Befähigung: ein vierstufiges Qualifizierungsmodell
Reine Wissensvermittlung reicht nicht — drei psychologische Grundbedürfnisse müssen erfüllt sein: Kompetenz erleben, Verbundenheit, Autonomie(Hermann et al. 2026).
1 · Kennen
Funktionsweise, Einsatzmöglichkeiten & Grenzen von KI, sicheres Prompting. 70 % ordneten sich zu Beginn hier ein.
2 · Können
Relevante Plattformen & Tools, eigene Anwendungsfälle erkennen und einsteuern. 11 % — mit Stufe 1 die Basisbefähigung für alle.
3 · Beherrschen
Eigene Use Cases umsetzen, Potenziale & Aufwände bewerten, Daten aufbereiten. 14 %.
4 · Experte
KI-Systeme & -Agenten von Konzeption bis Integration entwickeln, Verantwortung übernehmen. 5 %.
Prozentwerte: Selbsteinschätzung der KI-interessierten Mitarbeitenden in der Bedarfsumfrage der Planungsphase — nicht aller ~350 Beschäftigten des Bereichs.
Bisher ~135 von 350 Mitarbeitenden freiwillig geschult — von internen KI-Experten mit Beispielen aus dem echten Arbeitsalltag, flankiert von einem Experten-Netzwerk.
Fallstudie · Maßnahme 3
Lernformate nah am Arbeitsalltag
freaKI frAIday
Ganztägiges Präsenzformat alle ~2 Monate: externe Impulse, Live-Coding, Breakout-Sessions, offener KI-Help-Desk, Kurzvorträge der Abteilungsleiter. Durchgängig ausgebucht — inzwischen Anfragen aus anderen Bereichen.
AI@Work
Eine Stunde pro Quartal, online: Mitarbeitende zeigen in 5–10-Minuten-Vorträgen, wie sie z. B. repetitive Aufgaben KI-gestützt automatisiert haben. Erreicht je Session ~30 % des Bereichs.
Der Leitgedanke: KI-Impulse nah an den konkreten Arbeitsaufgaben verankern — Live-Erlebnisse durchbrechen das Imagination Ceiling, Regelmäßigkeit wirkt der Überforderung entgegen.
Fallstudie · Maßnahme 4
Teambuilding mit KI: „Wer ist es?“ — die KI-Team-Challenge
Die Idee: Das Imagination Ceiling durchbrechen, indem Mitarbeitende mit KI selbst etwas bauen — und erleben, dass es funktioniert.
Die Mission: In einer einzigen Session entwickelt jedes Team per Vibe Coding eine funktionierende KI-Anwendung (Google Colab), die Teammitglieder anhand anonymer Persönlichkeitsbeschreibungen identifiziert.
Doppelter Effekt: Neben dem Lerneffekt fördert das Format Kennenlernen und Kooperation im Team.
Beobachtung: Alle drei Pilotteams erstellten in einer Session eine funktionierende Anwendung; Teilnehmende ohne Programmierhintergrund berichteten anschließend von einer deutlich gesunkenen Hemmschwelle gegenüber KI-Tools.
Nachnutzbar: Alle Workshop-Materialien — Präsentation, Jupyter-Notebook-Musterlösung und Auswertungstool — sind als Open Source auf GitHub verfügbar (Schenkl 2025).
Fallstudie · Maßnahme 5 · Vibe Coding: Autonomie für den Fachbereich — klicke ein Thema
▸ Fachkräfte ohne Informatikausbildung entwickeln Software im Dialog mit einem KI-Agenten — Prinzip, Einstieg, Grenzen, Governance und Ergebnis im Detail.
03
Ergebnisse & Empfehlungen
Evaluation entlang der fünf Bedingungen — einschließlich der offenen Defizite.
Datenbasis: Erhebungen von Anfang 2026 — Wirksamkeitsanalyse (04/2026) und Tool-Nutzungsdaten der Beobachtungsphase.
Evaluation · Wirksamkeitsanalyse 04/2026 — 175 Teilnehmende (freiwillig, anonym); die Anzahl der Antwortenden variiert je Frage
Die fünf Bedingungen im Realitätstest
58 %
B1 Strategie: fühlen sich ausreichend informiert — und 70 % verstehen, warum KI für ihre Aufgabe wichtig ist. Übertragbar, aber beim KI-Tempo eine Daueraufgabe.
62 %
B2 Kommunikation: kennen ihre KI-Ansprechpartner. Die Kommunikationsinfrastruktur ist etabliert und bekannt.
57 %
B3 Anreize: finden (noch) keinen Use Case im eigenen Bereich — trotz 67 % Schulungsteilnahme und 58 % aktiver Nutzung. Vom Lernen zum Anwenden bleibt die Hürde: Imagination Ceiling.
38 %
B4 Wissen: fanden die Trainings praxisnah; nur 49 % kennen ihren Kompetenzbedarf. KI-Lernen wird kontinuierlich & „on the job“ — statische Schulungen veralten.
Zeit
B5 Balance: Zeitmangel wird von fast allen Mitarbeitenden als Hindernis genannt. Das Tagesgeschäft verhindert nicht den Einstieg, hemmt aber die Vertiefung.
Antwort auf F1: Alle fünf Bedingungen sind übertragbar — drei davon (Anreize, Wissen, Balance) brauchen KI-spezifische Erweiterungen.
Evaluation · Nutzungsdaten als Validierung
Wer den Einstieg findet, nutzt KI auf hohem Niveau
~350Mitarbeitende im Bereich (keine IT-Abteilung)
→
24 %nutzen den KI-Coding-Assistenten aktiv
→
17.400Interaktionen, davon >17.100 im Agent Mode
→
30+Tools aus dem Fachbereich, teils an die IT übergeben
Dominierende Sprache ist Python (10.500+ Interaktionen) — niedrige Einstiegshürde für Datenanalyse, Automatisierung und Vibe Coding.
5 % der Mitarbeitenden erzeugen einen Großteil der Interaktionen — intensive Power-User statt Gleichverteilung.
Die Beobachtungen deuten auf einen Zusammenhang zwischen der KI-Nutzung der Führungskräfte und der Nutzung in ihren Teams hin.
Wer den Einstieg findet, nutzt KI intensiv und entwickelt konkrete Werkzeuge — die betrieblichen Effekte wurden nicht kausal gemessen.
Datenschutz: Die Nutzungsdaten wurden ausschließlich anonymisiert und aggregiert ausgewertet; es erfolgte keine personenbezogene Leistungs- oder Verhaltenskontrolle.
Antwort auf F2 · Beitrag zur Forschung
Fünf KI-spezifische Zusatzbedingungen
Z1 · KI-Kompetenz und sichtbare KI-Nutzung möglichst aller Führungskräfte — die Nutzung war dort am höchsten, wo Abteilungsleiter selbst intensiv mit KI arbeiten und darüber berichten.
Z2 · Kontinuierliche On-the-job-Qualifizierung statt statischer Schulungskataloge — nur 38 % bewerten die Formate als praxisnah, nur 49 % kennen ihren künftigen Kompetenzbedarf.
Z3 · Psychologische Sicherheit und Fehlertoleranz — geschützte Räume, um Lösungen zu entwickeln und zu optimieren, bis sie funktionieren.
Z4 · Governance für den Übergang vom Prototyp zum Produkt — eine neue Balance-Dimension: schnelle Vibe-Coding-Iterationen treffen auf die Anforderungen des IT-Betriebs.
Z5 · Entlastung und Verantwortungserhalt statt Ersatz — Mitarbeitende bleiben verantwortlich; ihr Fachwissen, ihre Erfahrung und ihr Urteilsvermögen zählen weiter.
Generative KI verschiebt den Partizipationsspielraum: Beschäftigte erleben KI nicht nur — sie gestalten per Vibe Coding eigenständig Lösungen (vgl. partizipative Vorgehensmodelle wie Ruess et al. 2024).
Antwort auf F2 · Beitrag für die Praxis
Vier Handlungsempfehlungen
Tiefe KI-Kompetenz inhouse aufbauen (2–3 Personen im Fachbereich) — reduziert Abhängigkeiten und Kosten, ermöglicht passgenaue, aufgabenspezifische Trainings.
Kontinuierliches On-the-job-Lernen für Mitarbeitende und Führungskräfte — nur so hält man mit dem KI-Tempo Schritt.
Freiraum direkt nach den Trainings — sonst versandet das Gelernte im Tagesgeschäft, bevor eigene Use Cases entstehen.
Governance für Vibe Coding früh klären — Übergabe an die IT, Qualität, Nachvollziehbarkeit und Sicherheit, um Chancen und Risiken auszubalancieren.
Alle Empfehlungen sind an die jeweilige Unternehmenssituation anzupassen.
Limitationen & Ausblick
Grenzen der Studie — und der nächste Zyklus
Limitationen
Einzelfallstudie in einem Bereich mit bereits etablierten internen KI-Experten und Zugriff auf die zentrale IT — Generalisierbarkeit begrenzt, Übertragbarkeit auf externe Trainer ungeklärt.
Freiwillige Teilnahme → mögliche Verzerrung durch technikaffine Selbstselektion; keine Vergleichsgruppe; Doppelrolle der Autoren als Gestalter und Beobachter.
Rückenwind durch BMW-Offenheitskultur und hohe mediale KI-Aufmerksamkeit; manche Mitarbeitende experimentierten aus eigenem Antrieb auch in der Freizeit.
Nachhaltigkeit der Effekte und das Schritthalten mit dem KI-Tempo sind noch zu zeigen.
Nächster Action-Research-Zyklus
KI-Kompetenz der Führungskräfte als Zielvorgabe statt Freiwilligkeit — bei Mitarbeitenden bleibt es freiwillig, mit intensiver Sinnstiftung.
Trainings noch aufgabenspezifischer; neue Wissensträger aus den Gruppen werden On-the-job-Trainer.
Schwerpunkt Use-Case-Findung: vom „Ich verstehe KI“ zum „Ich nutze KI für meine Aufgabe“.
Fazit
Partizipation ist kein Selbstzweck — sie ist der Unterschied zwischen KI-Pilotprojekten und KI im Tagesgeschäft.
Die fünf Bedingungen von Mehmood & Farshchian tragen auch für generative KI — plus fünf KI-spezifische Zusatzbedingungen.
Führung, die selbst vorlebt, Befähigung nah am Arbeitsalltag und echter Freiraum machen Mitarbeitende zu Gestaltern.
Michael Koch · Mark Schenkl — BMW Group · „Partizipative KI-Einführung im Produktdatenmanagement“ · Fragen? mark.schenkl@bmw.de
Anhang · Quellen (Auswahl — vollständiges Literaturverzeichnis im Artikel)
Literatur
Dieser Beitrag
Koch M, Schenkl M (2026) Partizipative KI-Einführung im Produktdatenmanagement — Mitarbeitende als aktive Gestalter der KI-Transformation. HMD Praxis der Wirtschaftsinformatik, Online-First, 2. Oktober 2026. https://doi.org/10.1365/s40702-026-01339-z
Autorenfassung: Accepted Manuscript als PDF — die nach der Begutachtung angenommene Fassung, vor Satz und Korrektorat des Verlags. Maßgeblich ist die Verlagsfassung unter dem oben genannten DOI.